Communitygithub.com

cartoon-audio-short

Cria curtas-metragens de animação vertical 9:16 com personagens cartunescos 2D do tipo 'cabeça de feijão' em um mundo 3D colorido e com contornos. A partir de um tópico, gera 10 ideias de histórias verificadas, escreve um roteiro cronometrado e transforma a narração do usuário em um MP4 finalizado de 1080x1920 com música e efeitos sonoros na metade do volume da voz.

O que é cartoon-audio-short?

Este skill transforma qualquer tópico, roteiro ou narração em um curta de animação completo no formato 9:16 (1080x1920, 30 fps), no estilo de canais como o WHATIF ANIMATIONSTORYS. Ele começa gerando 10 ideias originais de histórias verificadas via web (para garantir veracidade), ou avança diretamente para o estágio de roteiro se o usuário já tiver uma ideia. O roteiro é adaptado para caber exatamente na duração da narração (padrão de 20 a 30 segundos, podendo chegar a 60 segundos), com uma estrutura de gancho, ambientação, escalada, pivô e reviravolta. A animação utiliza personagens 2D planos com aparência de cartões, contornos grossos e expressões marcantes, inseridos em um mundo 3D construído com formas simples, texturas pintadas e sombreamento toon. O fluxo de trabalho é meticuloso e semiautônomo: o skill gera automaticamente o timing com base na narração (usando reconhecimento de fala), planeja os planos (shots), constrói o cenário (world) e os personagens (cast), anima os movimentos da câmera e dos personagens – garantindo que eles nunca parem completamente – e mistura o áudio final com música e efeitos sonoros a -6 dB abaixo do volume da voz. O usuário precisa ter Node.js 22.6+, Python 3 com numpy e Pillow, ffmpeg (com codecs específicos), Playwright + Chromium instalado, e espaço para renderização, que pode levar de 20 a 50 minutos para um curta de 20 segundos. O assistente mantém o usuário informado com uma lista de tarefas e envia uma prancha de contato (contact sheet) antes da renderização longa, garantindo que o resultado final seja um vídeo polido, com verificação de qualidade integrada.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/sahildwibedy62-del/skill-animation/tree/HEAD

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Cartoon Audio Short (v2)

Criado pelo canal WHATIF ANIMATIONSTORYS. Pipeline: ideia → roteiro → narração → MP4 finalizado. Construção de referência: "O Soldado Que Nunca Partiu" (19,7 s, 8 planos), incluída em kit/example/soldier/.

O visual

  • Personagens: cartões planos 2D de "cabeça de feijão" desenhados em tela. Eles têm contornos em ameixa e expressões grandes e legíveis, e estão sempre em movimento (respirando, piscando, balançando a cabeça).
  • Mundo: um cenário 3D saturado construído a partir de formas simples. Texturas planas pintadas com costuras escuras, contornos pretos, sombreamento toon e névoa da cor do horizonte.
  • Câmera: movimentos suaves e amenizados, com profundidade de campo em closes. Nada estático jamais.
  • Formato: 1080x1920, 30 fps, exatamente o tempo da narração.
  • Som: a voz do usuário intocada. Uma base musical estilo marcha sintetizada e efeitos sonoros ficam a 50% (−6 dB) do nível da voz.

Regras rígidas

  1. Original apenas. Nunca recriar o vídeo de outro criador plano a plano; ofereça uma versão original sobre a mesma ideia.
  2. Sem pessoas reais e nomeadas como personagens. Sem mascotes de marcas, logotipos ou personagens protegidos por direitos autorais.
  3. Sem legendas, a menos que solicitado. Texto diegético (placas, entalhes) é permitido, mas deve ser legível corretamente, nunca espelhado.
  4. Nunca editar, cortar, acelerar ou reajustar o tempo da voz. A imagem é sincronizada com a voz. Cada reação visual acontece de 0 a 3 quadros antes da sua palavra.
  5. A proporção de áudio é fixa:
    • A música fica a −6,0 dB em relação à voz (RMS com gate).
    • Os efeitos sonoros (SFX) ficam a −6 dB ou abaixo, com picos de no máximo 0,7× o pico da voz.
    • Misturar sempre com mix.py. Sem ducking, sem compressão no mix.
    • Apenas um ganho linear mais um limitador de pico são aplicados ao mix inteiro (finish.sh).
  6. Verificar fatos apresentados como verdadeiros com uma pesquisa na web primeiro. Enquadrar lendas virais como "a lenda diz".
  7. Nada gráfico, nada político e nenhuma pessoa real viva como alvo de piada.
  8. Continuar trabalhando sem paradas para aprovação. Faça uma pergunta apenas quando o trabalho realmente não puder continuar sem a resposta.
  9. Manter o usuário informado com uma lista de tarefas. Envie uma prancha de contato (contact sheet) antes da renderização longa.

Roteamento (escolha o ponto de entrada)

O usuário temVá para
Áudio anexado (+ roteiro)Estágio 4 imediatamente
Áudio, sem roteiroPeça o texto do roteiro (Claude não ouve áudio sem ASR) → Estágio 4
Um roteiro, sem vozEstágio 3 (ajustar) → aguarde o áudio
Apenas um tópicoEstágio 3 diretamente (verificar fatos)
Nada / "me dê ideias"Estágio 2

Se não estiver claro, faça UMA pergunta: "Por onde você está começando? (ideias / roteiro / narração pronta)". Pergunte também a duração desejada, se não fornecida. O padrão é 20–30 s; até 60 s é permitido.

Estágio 2: 10 ideias

Dê exatamente 10, numeradas, em uma única resposta. Termine com: "Responda com um número, ou 'mais' para 10 novas."

N. TÍTULO (5–8 palavras, que despertem curiosidade)
   Gancho: a primeira frase falada — um paradoxo apresentado como fato.
   Reviravolta: a última linha irônica.
   Grandes visuais: 2–3 momentos (colapso / revelação / perseguição / transformação).
   Status: VERDADEIRO (documentado) · QUESTIONÁVEL · LENDA

Uma ideia perfeita tem:

  • Uma história surpreendente com causa e efeito físicos que possam ser MOSTRADOS.
  • Um herói comum, apostas que aumentam e uma reviravolta na última linha.
  • Um cenário que possa ser construído com caixas, cilindros e esferas, além de cartões (cidade, ponte, navio, castelo, deserto, laboratório, palácio, fazenda, porto, mina).
  • Um "antes vs depois" que possa ser visto em um único quadro, o que gera uma miniatura forte.

Distribua as 10 entre antigo, medieval, século XIX, moderno, ciência, animais, invenções, desastres, leis estranhas e acidentes de sorte. Verifique cada ideia VERDADEIRA ou QUESTIONÁVEL com uma pesquisa na web antes de listá-la.

Estágio 3: Roteiro

Dimensionar o roteiro para cerca de 3,7 palavras faladas por segundo: 20 s ≈ 75 palavras, 30 s ≈ 110, 45 s ≈ 165, 60 s ≈ 220.

Estrutura:

  1. Gancho (primeira frase, sem introdução): o fato absurdo. Deve aparecer nos primeiros 1,5 s.
  2. Ambientação (1–2 linhas): quando, onde, quem e um detalhe concreto.
  3. Escalada (2–4 batidas, cada uma maior). Os outros duvidam ou zombam. Incluir uma piada de exagero.
  4. Pivô: "Mas quando..." / "Você vê..." introduz o mecanismo real, idealmente com uma analogia do cotidiano.
  5. Reviravolta: curta e irônica, e as ÚLTIMAS palavras do vídeo. Bônus: que permita voltar ao gancho para que o curta se repita naturalmente.

Estilo:

  • Inglês falado simples, com contrações.
  • Frases de 8 a 15 palavras; números escritos por extenso.
  • Sem indicações de cena no texto falado.
  • Nunca descreva o que o espectador já vê.

Autoverificação (corrigir silenciosamente se qualquer um falhar): contagem de palavras dentro de ±10% da meta; o gancho é uma afirmação, não uma pergunta; cada frase pode ser ilustrada literalmente; a reviravolta tem 12 palavras ou menos e vem por último; os fatos coincidem com as fontes.

Responda com:

  • a) O roteiro em um bloco de código, com a contagem de palavras e os segundos estimados.
  • b) Um parágrafo de plano visual.
  • c) Dicas de gravação:
    • Um narrador calmo e constante. ElevenLabs funciona bem: uma voz de narrador grave, velocidade ~1,05–1,1, estabilidade ~45–55%.
    • MP3 ou WAV é aceitável.
    • Deixe pausas naturais no final das frases.
    • Exporte SEM música.
  • d) "Carregue a narração quando estiver pronta e eu farei o vídeo completo."

Mantenha o texto final do roteiro, pois ele conduz o tempo. Se ele gravar uma versão modificada, peça o texto final.

Estágio 4: Construção (sem paradas a partir daqui)

Crie a lista de tarefas: Configuração · Tempo · Plano de planos · Mundo · Elenco · Movimento · Prancha de contato → usuário · Som · Renderização completa · Finalização + QA · Entrega.

4.0 Configuração

SK=$(dirname "$(find / -name SKILL.md -path '*cartoon-audio-short*' 2>/dev/null | head -1)")
bash "$SK/kit/tools/setup.sh" ~/shorts/<slug>      # trate $SK/kit como somente leitura
cd ~/shorts/<slug> && cp <uploaded voice> voice.mp3 && printf '%s' "<final script>" > script.txt
./short.sh doctor
  • setup.sh copia o motor, as ferramentas e o exemplo funcional (como o web/story.js e audio.py iniciais). Instala three.js r160 e a base toon de kit/vendor/ (sem necessidade de rede), compila e verifica a sintaxe de web/toon.js, e vincula o Playwright. Sai com código 3 se o three.js estiver faltando.
  • Requisitos: Node 22.6+, Python 3 + numpy + Pillow, ffmpeg (libx264, alimiter, ebur128), Playwright + Chromium. Se o Playwright estiver faltando: npm i -g playwright && npx playwright install chromium.
  • Nunca desabilite TLS ou ignore um proxy. Se uma instalação for bloqueada, informe qual pacote e continue com o que está instalado.
  • Chromium usa CPU WebGL (swiftshader) a cerca de 3–5 s por quadro por worker. Um curta de 20 s (600 quadros) leva aproximadamente 20–50 min; planeje-se.

4.1 Tempo: ./short.sh timing

  • Se o whisper ou faster-whisper estiver instalado, usa timestamps de palavras. Caso contrário, alinha frases do roteiro à fala detectada por silêncio com um algoritmo de DP entre sílabas/duração.
  • Imprime as frases com intervalos de quadros e linhas de AVISO (frases muito curtas, sobreposições, caudas longas, início tardio, gravação que não corresponde ao roteiro). Resolva os avisos mesclando planos, corrigindo work/phrases.json manualmente ou pedindo o texto final.
  • N = total de quadros = frames30 em work/phrases.json (medido a partir do áudio decodificado).

4.2 Plano de planos: work/PLAN.md, antes de qualquer código

Faça uma linha por plano: | # | quadros | palavras | cenário | luz | câmera | elenco/pose/rosto | FX | SFX |

  • O quadro 0 É a imagem do gancho: sem fade-in, sem cartão de título.
  • Cerca de um plano por frase. Mescle frases mais curtas que 0,6 s no próximo plano.
  • Ilustre cada frase literalmente; os adereços carregam as piadas.
  • Ritmo de tamanho de plano: gancho PMC → abertura ampla → plano de dois → insert no objeto-chave → close de reação → movimento do ambiente para o desfecho. Nunca use o mesmo tamanho duas vezes seguidas.
  • A luz define o clima: dia (normal), dourado (drama/declínio), azul noturno (explicação). Uma mudança de tempo recebe um flash branco de 6 quadros.
  • A reviravolta recebe um "sting": a música para, um golpe baixo, um zoom-in com uma rotação de 3–5°. O desfecho físico acontece na palavra final.
  • O último quadro deve ser uma imagem forte que corte limpo de volta ao quadro 0 para looping.

4.3 Mundo (web/main.js, web/story.js)

  • Mantenha as seções do motor em main.js: materiais toon, contrato de contorno, add/tbox, céu, luzes, cartões, alvos de renderização/pós, applyLight, drawActors, swapForNd, renderFrame.
  • Substitua apenas o mundo de exemplo entre // ---------- world ---------- e // ---------- cards ----------, além das partes da história de worldState() e quaisquer adereços (o exemplo do soldado tem um adereço de capacete 3D).
  • story.js exporta SHOTS, TOTAL, shotAt, camAt, dofAt, LIGHTS/lightFor, worldAt, actorsAt(f, T) e fxAt(f, T). Todas são funções puras do quadro. Defina TOTAL = N.
  • Texturas vêm de paint.js: prancha, viga, podre, pedra, musgosa, grama, terra, gesso, telhado, mármore, bandeira, texto entalhado. Novos pintores usam o mesmo estilo de cor plana com costuras escuras.
  • Use tbox para densidade constante de texel, um gradiente toon de 2 passos e névoa = cor do horizonte.
  • Camadas de fundo: colinas esférias semi-enterradas, montanhas cônicas com topos nevados, ciprestes/pinheiros, casas distantes e painéis de nuvens pintadas.
  • Peças de cenário (colapsos, quedas, portas) são grupos pivotados conduzidos por progresso 0..1 de worldAt(f), amenizados e escalonados.
  • Texto diegético curvo usa UVs planares. Verifique se não está espelhado.

4.4 Elenco (web/roman.js → web/toon.js)

  • romanFront(p, outfitKey, opts) desenha em uma tela de design de 600x1000 com solas em y=975. O cartão tem 2,25 m de altura, então 1 unidade de design = 0,00225 m.
  • Trajes (OUTFITS): legionário, velho, toga, civA, civB, civC, workA, workB. Adicione novos com chaves de túnica/capa/armadura/capacete/cabelo/gorro/barba/avental/vestido/toga.
  • Poses de braço: pendurado, lança, apontar, para cima, acenar, quadril, barriga, templo(+redemoinho), levantar, alcançar(+levantar), bochecha, escudo, cruzar, polegar.
  • Rostos: o conjunto FACE base toon mais ressonar, teimoso e apertar os olhos. Estenda FACE para mais.
  • Após edições no elenco, reconstrua com cat web/toonbase.js web/roman.js > web/toon.js. Em seguida, execute ./short.sh cast e VEJA stills/cast_sheet.png antes de usar um design.
  • Painéis (billboards) giram apenas no eixo Y, recebem um blob de contato e uma sombra com teste alfa, e nunca são contornados pela passagem do mundo.
  • Construa chaves de cartão a partir de valores arredondados por q() para que a tela seja redesenhada apenas em uma alteração visível.
  • Uma parte destacada (ex.: um capacete levantado) é seu próprio cartão: y = DECK + (partY − hc) × 0,00225, alinhado com headCenter(seed).
  • Dê ao herói UM traço característico (cor, chapéu, adereço) para que seja lido instantaneamente em tamanho de celular.

4.5 Movimento (web/motion.js): suave e vivo

Câmeras:

  • Use camFromKeys(keys, f, {kicks}): deslizamentos suaves de 18 a 45 quadros, easeOut para revelações e movimentos rápidos, e path via-pontos (Catmull-Rom) para curvas.
  • Toda segura se move; nada está estático por mais de 4 quadros.
  • Drama recebe uma rotação de 3–5°; impactos recebem um tremor de 7 quadros via kicks.
  • Prefira movimentos contínuos (recuo, rack focus, grua, zoom-in). Corte seco apenas em mudanças de lugar ou tempo, com um flash.

Personagens:

  • Eles nunca congelam: aplique idle(f, seed) a cada cartão, blinkAt para piscadas e balanços de cabeça em palavras estressadas.
  • Ações seguem antecipação → excesso → ajuste de mola (M.anticip, M.back, M.spring). Um pisão é uma batida de 2 quadros + puf de poeira + chute. Uma risada é uma inclinação alternada + balanço.
  • Caminhadas: walk() dá distância mais fase do passo. Mantenha os pés plantados com um balanço de 3–7%.

Movimento secundário está sempre presente: tecido, folhas, poeira, gotas, Zzz, água.

Lente: profundidade de campo em closes e médios (cIr 8–14 px), focada nos olhos. Grandes planos permanecem nítidos. Racks levam ~14 quadros.

4.6 Verificação visual (OBRIGATÓRIA antes da renderização completa)

Execute ./short.sh stills "5,40,90,..." a, escolhendo o meio de cada plano mais as transições e ações-chave. Ele escreve stills/sheet_a.jpg com rótulos de quadro. Abra-o e corrija cada armadilha:

  • Enquadramento: metade da largura = d·tan(hfov/2), onde hfov = 2·atan(tan(vfov/2)·0,5625). A 4 m e fov 40, isso dá apenas ±0,8 m, então posicione os personagens em PROFUNDIDADE.
  • Obstruções: sem grades ou postes sobre os rostos; a câmera não está dentro de grades, casas, telhados ou arbustos.
  • Espaçamento: nenhum adereço de primeiro plano a menos de ~2 m; o herói nunca está escondido atrás de um pilar.
  • Texto e partes: o texto não está espelhado; os cartões de partes destacadas estão deslocados corretamente.
  • Grupos de extrusão: 0 = tampas, 1 = laterais + topo.
  • Contorno: presente em todos os lugares. Se não, depure com HASH=#e (apenas bordas) e HASH=#nd (normal/profundidade). O raio do contorno é ~2,5 px a 1080; o céu conta como profundidade distante, não um cartão.
  • Tamanho de celular: os rostos ainda são legíveis com a prancha visualizada a 25%.

Envie a prancha ao usuário com um resumo de uma linha por plano e, em seguida, inicie a renderização completa sem esperar.

4.7 Som: ./short.sh sound

  • Trave o tempo da imagem primeiro. Qualquer alteração de tempo significa reexecutar o som.
  • audio.py contém APENAS a tabela de cues. Os sintetizadores estão em synth.py:
    • Música: march, drone, PROG_MENOR/PROG_MAIOR, pluck, brass, drum.
    • SFX: whoosh, thunk, rumble, crash, scrape, ting, sting, creak, snap, splash, snore, leaves, water, cuckoo, pop, boing, footstep/steps, wind, crowd.
  • A música para na linha da reviravolta (march(..., end=TWIST)), então drone continua até o final.
  • Salve a faixa de SFX com crest_db=14. Isso doma os transientes para que os SFX possam ficar perto de 50% abaixo do limite de pico.
  • mix.py imprime os níveis. Confirme que a música mostra −6,0 dB vs. a voz (OK) e os SFX estão iguais ou abaixo (OK). Nunca ajuste manualmente; corrija as faixas de origem.

4.8 Renderização + finalização

  • Renderize com WORKERS=2 ./short.sh render usando run_in_background do Bash. Verifique ./short.sh progress (feito, s/quadro, ETA) de um loop do Monitor.
  • Os quadros são escritos atomicamente. Após uma interrupção, use RESUME=1 WORKERS=2 ./short.sh render.
  • Use WORKERS=1 em máquinas com 4 núcleos ou menos. Não execute Python pesado junto.
  • Em seguida, execute ./short.sh finish "Título":
    • Verifica se os quadros estão completos e contínuos.
    • Aplica UM ganho linear medido para −14 LUFS mais um limitador de −1 dBFS, e codifica H.264 CRF 17 + AAC.
    • O QA cobre tamanho, duração vs. voz, quadros congelados/pretos, volume e níveis do mix. Ele escreve out/qa.txt e out/qa_sheet.jpg e sai com código 1 em qualquer FALHA.

4.9 Definição de concluído

  • Duração = duração da voz (±1 quadro); 1080x1920; 30 fps; sem interlacing.
  • Cena de 1080x1920 em 30 fps reta. Sem rajadas de 29,97.
  • Contraste nunca preto ou branco absoluto.
  • O áudio da voz está no centro, −16 LUFS integrado ±2 LU, sem picos de verdade absoluta acima de −1 dBFS.
  • A música está a −6,0 dB vs. a voz medida em RMS com gate integrado.
  • SFX misturados a ou abaixo de −6 dB vs. a voz; picos de SFX ≤ 0,7× o pico da voz.
  • Nenhum quadro preto ou congelado.
  • O contorno está visível em todos os quadros.
  • Verificado em out/qa.txt e out/qa_sheet.jpg.
  • Um único arquivo final.mp4 em out/.
  • O usuário recebeu o out/final.mp4 (arquivo) mais um resumo de 1–2 linhas.

Notas de implementação (para o assistente):

  • Mantenha o exemplo do soldado intocado ($SK/kit/). Ele serve como verificação de integridade e como fonte para roman.js e story.js.
  • O motor é formulado (main.js, toonbase.js) para que nenhuma alteração a maioria dos projetos precise tocar em main.js ou toonbase.js. Novos conjuntos de personagens são adicionados como web/cast.js separado e importados por cat.
  • O pluck em synth.py aceita uma nota MIDI e um envelope. Use-o para jingles de transição.
  • Um string pad (drone) fornece o fundo que preenche silêncios na música de marcha.
# Exemplo de sessão de trabalho
SK=$(dirname "$(find / -name SKILL.md -path '*cartoon-audio-short*' 2>/dev/null | head -1)")
bash "$SK/kit/tools/setup.sh" ~/shorts/soldier
cd ~/shorts/soldier
cp ~/voiceover.mp3 voice.mp3
echo "O soldado que nunca partiu..." > script.txt
./short.sh doctor
./short.sh timing
# Crie work/PLAN.md
./short.sh stills "5,40,90,150" a
./short.sh sound
WORKERS=2 ./short.sh render
./short.sh finish "O Soldado"

Índice de materiais de referência

ArquivoPropósito
kit/example/soldier/Projeto completo de referência de 19,7 s / 8 planos
kit/tools/setup.shInicializador do projeto
kit/vendor/three.jsThree.js r160 (cópia local, sem CDN)
kit/tools/mix.pyMistura de áudio estéreo
kit/tools/finish.shCodificador de vídeo + QA
kit/tools/short.shOrquestrador (cada subcomando aciona um script ou verificação)
Exemplo de pinturaPlanks.png, beam.png, rotten.png, stone.png, etc. em kit/textures/

Guia rápido de depuração

ProblemaChave de hash
Contornos invisíveisHASH=#e (apenas contornos)
Profundidade/normais quebradosHASH=#nd (buffer normal/profundidade)
UVs de texturatextura=HASH (apenas textura)
Cartão não apareceVerificar DECK e headCenter(seed)
Prancha de contato sem rótulosExecutar ./short.sh stills sem o argumento a

Tradução e adaptação para o português do SKILL.md original da WHATIF ANIMATIONSTORYS. Para uso com assistentes de IA especializados em animação procedural.

Habilidades Relacionadas